据麦姆斯咨询介绍，旨在将机械刺激转化为电信号的压电式和摩擦电式触觉传感器，已成为智能系统中的关键元器件。压电式传感器通过石英和聚偏氟乙烯（PVDF）等非中心对称材料中的机械应力产生电压，而摩擦电式传感器则通过接触诱导电荷转移来工作。
基于压电效应和摩擦电效应的高灵敏、自供电的传感应用示意图
这两种类型的传感器都具有独特优势，包括自供电功能和高灵敏度，但也面临着材料脆性和环境限制等挑战。
压电效应和摩擦电效应的机理
据麦姆斯咨询报道，韩国中央大学（Chung-Ang University）的Hanjun Ryu教授领导的研究团队全面综述了压电式和摩擦电式触觉传感从材料到器件的完整制造策略，以克服上述挑战。该研究成果已经以“Manufacturing strategies for highly sensitive and self-powered piezoelectric and triboelectric tactile sensors”为题发表在International Journal of Extreme Manufacturing上。
Ryu教授解释说：“我们的研究全面解释了采用压电效应和摩擦电效应的触觉传感器的材料和器件制造策略，以及相关感知应用。”
该团队对压电式和摩擦电式触觉传感器的制造策略进行了全面调研，重点关注了提高灵敏度、柔性/可拉伸性以及自供电能力的技术，研究考察了各种材料特性、制造工艺和器件设计，以克服压电材料的脆性和摩擦电式传感器的环境敏感性等挑战。
Ryu教授说：“这些策略旨在开发高性能触觉传感器，以应用于机器人、可穿戴设备和医疗保健系统。”
压电式压力和弯曲传感器的制造策略
对于压电式触觉传感器，研究人员强调了通过掺杂、结晶度控制和复合材料集成等方法提高压电常数的重要性。该方向值得关注的进展包括，使用无铅陶瓷和聚合物混合物来制造面向动态应用的柔性环保传感器。研究还发现，3D打印和溶剂结晶技术的整合可显著提高这些传感器的灵敏度和适应性。
摩擦电式压力和触摸传感器的制造策略
对于摩擦电式触觉传感器，通过等离子处理、微结构化以及介电常数优化等表面改性技术，摩擦电式传感器得到了增强。这些策略提高了电荷转移效率，使耐用、高输出传感器的开发成为可能。研究人员还证明了混合材料和纳米结构在提高摩擦电性能的同时，如何保持其灵活性和环境适应性。
值得关注的是，这项研究首次全面综述了压电式和摩擦电式触觉传感器的制造策略，强调了这两种传感技术的互补优势。研究结果表明，创新材料工程与先进制造技术的结合，对于制造能够进行多模态传感和实时交互的传感器至关重要。这种跨学科方法有望扩大触觉传感器在各行各业的应用范围。
总结与展望
该论文综述并重点介绍了利用压电效应和摩擦电效应制造高灵敏触觉传感器的最新进展。文章详细介绍了采用压电效应和摩擦电效应的触觉传感器的材料和器件制造策略。随着触觉传感器在各种应用领域的兴起，与之对应的技术挑战也越来越显著。
为可穿戴设备和机器人应用设计多功能触觉传感器的进展与挑战
首先，未来的触觉传感器需要以不规则形状而非平面形状工作，以适应可穿戴设备、医疗和机器人应用，这些先进应用需要传感器形状具有高自由度。为此，传感器的组件（包括衬底、电极、敏感材料和互连器件），都需要具有柔性或可拉伸性。然而，目前的传感组件在保持柔性或可拉伸性的同时无法维持高性能和多功能性。
此外，要将触觉传感器应用于未来的机器人、假肢和人机交互界面，传感器需要能够同时识别来自单一材料的各种传感信号。许多研究小组致力于模拟人类的感觉神经系统，但由于材料和解耦技术的限制，在单一传感器中识别动态和静态感知仍然存在困难。因此，它无法满足各行各业对主要感知和性能的要求。因此，组合多个传感器的集成传感器正在实践中。但由于空间限制和设计的复杂性，其实际产业应用仍具有挑战性。虽然已有报道单个器件识别多种感知类型的传感器以及同时识别两种感知类型的解耦技术的研究，但同时识别并解耦三种以上感知类型在技术上仍具有挑战性。因此，有必要开发可从单一材料解耦并识别三种以上感知类型的材料和器件技术。
最后，为了从众多传感器收集到的不同数据有效地执行各种操作，如果能在工作过程中学习多维传感器数据，可使整个过程更加稳定和高效。过去，通过分析单个传感器数据来执行操作并不能充分利用大量传感器数据的优势，而现在，通过基于人工智能（AI）的多维传感器数据学习，我们期待机器人能够进行更精确的操作，就像人类仅靠触摸就能完成精细任务一样。
这项研究还强调了将人工智能与触觉传感器相结合，进行高级数据处理和多刺激检测的潜力。人工智能驱动的触觉输入分析（例如纹理和压力识别），可显著提高这些器件的准确性和功能性。这种集成为下一代传感器铺平了道路，使其在模仿人类感知的同时，实现更高的运行效率。
Ryu教授在总结其成果的广泛影响时表示：“基于人工智能的多感知传感器，预计将为各领域的此类进步做出创新性贡献。这项研究为开发与人类需求无缝结合的智能系统（从医疗保健监测到机器人交互界面）奠定了基础。”
论文信息：
DOI 10.1088/2631-7990/ad88be
